酸解離常數(shù)（pKa）是最重要的有機化學基礎(chǔ)數(shù)據(jù)之一，是衡量化合物解離氫質(zhì)子能力的熱力學標度，其在合成化學、生物化學、藥物化學、精細化工等諸多領(lǐng)域均有重要應用。雖然目前已有近兩萬個化合物的35000個pKa實驗數(shù)據(jù)被報道（iBond數(shù)據(jù)庫統(tǒng)計），但受限于化合物穩(wěn)定性、溶解性等多方面限制，眾多重要化合物的pKa數(shù)據(jù)仍然缺失，并且目前大部分pKa測定是在水相進行的，對于合成化學及精細化工極其重要的有機溶劑中pKa數(shù)據(jù)極其匱乏。因此，開發(fā)化合物水相以及有機相pKa數(shù)據(jù)的精確預測方法是當前工業(yè)和學術(shù)界都廣泛關(guān)注的熱點問題。最近，清華大學化學系基礎(chǔ)分子科學中心的羅三中研究團隊依托ibond數(shù)據(jù)庫豐富全面的pKa數(shù)據(jù)，采用機器學習策略開發(fā)了pKa全局預測模型，為快速獲得可靠的pKa數(shù)據(jù)提供了解決方案。
iBond數(shù)據(jù)庫是由清華大學程津培院士領(lǐng)銜創(chuàng)建的全球最權(quán)威的鍵能數(shù)據(jù)庫，其收集了文獻報道的兩萬余種化合物的約三萬五千個準確pKa數(shù)據(jù)。研究團隊對iBond數(shù)據(jù)庫中已有數(shù)據(jù)進行了系統(tǒng)整理標記，形成了種類豐富、溶劑分布廣泛、數(shù)據(jù)分布合理的數(shù)據(jù)集。在自此基礎(chǔ)上，團隊引入了結(jié)合化合物結(jié)構(gòu)特征和物理化學性質(zhì)的SPOC描述符對化合物進行精確描述，并采用當前流行的XGBoost和神經(jīng)網(wǎng)絡算法構(gòu)建了高精度預測模型。該預測模型可以實現(xiàn)不同溶劑中化合物pKa的同時預測，并能夠?qū)Π∣-H、N-H、C-H在內(nèi)的各種不同酸性氫進行準確的pKa預測，精度可達到0.87pK單位。團隊分別選擇了若干藥物分子和小分子催化劑對水相及有機相的預測能力進行了測試，研究表明對藥物分子的水相pKa預測的平均誤差可低至0.44，對有機小分子有機相pKa預測的平均誤差則在1 pK單位左右。
該成果以“Holistic Prediction of pKa in Diverse Solvents Based on Machine Learning Approach”為題發(fā)表在國際著名期刊德國應用化學上（Angew. Chem. Int. Ed.），論文第一作者為楊騏博士，通訊作者為清華大學羅三中教授和張龍副研究員。同時論文成果以網(wǎng)站形式開放給學術(shù)界使用（http://pka.luoszgroup.com）。
來源：清華大學
